多通道颜色信息融合与纹理影像检索

利用纹理特征进行遥感影像检索时,通常先将多波段影像转化为灰度影像再提取纹理特征,但由于忽略了影像的颜色信息,用于遥感影像检索时往往难以得到好的检索结果。针对此问题,该文利用Gabor小波构造多个相同方向不同尺度的滤波器以提取波段之间的差异信息,并与传统的纹理特征融合构成改进的纹理特征。实验结果表明,相比传统的纹理特征,改进的纹理特征对影像内容的描述能力更强,有效地改善了检索结果,提高了检索查准率。     

一种新的基于高斯混合模型的纹理图像分割方法

提出了一种新的结合了小波变换的高斯混合模型纹理分割方法。该方法包括预处理、小波变换、模型训练、计算后验概率和标记图像等5个阶段,并分析了将高斯混合模型引入纹理分割需要注意的几个方面。试验结果表明,该算法具有较好的分割性能。     

Gabor小波在遥感影像纹理分析中的应用

对有林地和菜地遥感影像进行研究,采用 Gabor 小波变换法对2类地物进行纹理特征提取,对各个特征参数分别进行计算与分析。图像处理结果表明菜地与有林地的特征向量存在着显著差异,得出 Gabor 小波变换法对于区分这2类图像具有很强的描述能力的结论。     

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。     

一种纹理特征融合分类算法

分别利用多通道Gabor滤波器和马尔可夫随机场模型对纹理图像进行分析,得到两组特征影像。将上述两组特征影像进行融合,最后利用融合后的数据实现图像的分类。实验证明,基于上述方法的纹理特征融合分类算法大大提高了图像的分类精度。     

基于高斯混合模型的遥感信息提取方法研究

高斯混合模型(Gaussian mixture model,GMM)可以描述遥感数据的概率密度函数,通过估计各高斯分布的参数,计算后验概率,实现信息提取.为了提高利用GMM进行遥感信息提取的准确度,首先在GMM中使用马尔科夫随机场(Markov random field,MRF)计算各像元邻域内各类地物的先验概率,代替各类地物的混合概率,使其反映出各类地物的空间相关性;然后在参数估计过程中利用模拟退火(simulated annealing,SA)思想获得全局最优的参数估计值;最后利用该参数估计值求出每个像元对于各类地物的后验概率,获得各类地物的空间分布.通过对遥感实验场的图像数据进行信息提取,发现所述新方法取得了更好的效果,证明了上述改进的有效性.     

一种基于改进的2D-Gabor纹理图像分类方法

针对多纹理图像分类的问题,本文提出了一种操作性强,通用性高的分类方法。借助人类视觉特性和纹理图像的尺寸,设计了一种快速简单的Gabor滤波参数设置方法。在多通道的滤波特征图像中应用顺序向前搜索策略选择特征,以J-M距离(Jeffreys-Matusitas distance)为判别因子进行特征空间的优化,最后通过SVM方法实现图像分类。实验表明,该方法有良好的纹理图像分类效果。较之传统的Gabor滤波图像分类方法,该方法具有参数设置简单,操作性强的特点。     

几何与Gabor纹理特征的机载LiDAR点云建筑物提取

针对仅基于LiDAR点云的几何特征难以区分高程相似地物,且建筑物轮廓边缘信息提取精度不高的问题,该文提出一种基于几何特征与纹理特征的建筑物点云提取方法。利用圆柱体邻域计算16个与强度、高程、平面和密度相关的空间几何特征;通过Gabor滤波器提取24个纹理特征;再通过ReliefF特征选择前10个最优特征训练随机森林分类器,实现建筑物点分类。通过3组机载点云数据试验,对比仅使用点云几何特征(OP)、几何与纹理特征(OP+TE)、几何与纹理特征并特征选择(OP+TE+FS)3种方法的建筑物提取效果。实验结果表明,加入点云纹理特征并进行特征选择,能够进一步减少点云建筑物的漏提取和误提取现象,具有更高的完整率和准确率。     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。     

结合Gabor纹理与几何特征的高分辨率遥感影像城区道路提取方法

在充分考虑道路频谱在不同频带、不同方向上能量分布的基础上,提出一种基于Gabor纹理与几何特征相结合的高分辨率遥感影像城区道路提取方法。首先通过Gabor滤波器组得到遥感影像不同频带、不同方向上的Gabor纹理特征,并利用K-means方法对遥感影像进行分割;然后利用形态学方法分割与道路相连的地物,并选取适当的几何特征剔除非道路地物;最后利用形态学方法对道路网进行修整。实验结果表明,该方法可以有效、便捷地从高分辨率遥感影像中提取城区主干道路网。     

面向交通地理信息时空特征描述的Spatial-UML研究

空间信息系统建模的多样性、主流信息技术的高度集成性以及逐渐变复杂的系统体系都使得软件和数据库设计者向可视化建模的主流方向发展。分析面向地理信息时空特征描述而建立的空间可视化语言插件(SpatialPVLs),并基于可视化建模技术标准,应用统一建模语言(UML)内置的扩展机制实现了针对地理信息时空特征描述的扩展。UML和SpatialPVLs的集成过程定义了面向地理信息时空特征描述的可视化建模语言,即Spatial-UML。最后,以城市交通模拟地理信息系统(GIS)数据概念模型设计为实例,验证Spatial-UML的适用性和扩展性,建立一个可以满足不同领域用户访问和理解的互协作建模架构,实现交通地理对象的空间、时态和时空特征的可视化标准描述和表达。     

面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

面向城市地物分类的SAR图像纹理特征提取与分析

合成孔径雷达(SAR)图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

基于改进高斯混合模型的遥感影像道路提取

基于改进的高斯混合模型,提出一种从高分辨率遥感图像提取道路的方法。通过Gabor滤波器计算影像一维纹理描述值,将其作为分割道路的特征值对影像进行预处理,再利用基于两层高斯混合模型的新分类方式对高分辨率遥感影像进行分类,取出道路类。实验表明,结果比传统的一些道路分割方法效果好。     

利用纹理融合与广义高斯模型的高分辨率SAR影像变化检测

为了充分利用高分辨率SAR影像的纹理特征,提出一种纹理信息融合与广义高斯模型相结合的SAR影像变化检测方法。通过灰度共生矩阵计算影像的纹理特征进而构造纹理差异影像,利用离散平稳小波变换,融合灰度差异影像和纹理差异影像。然后利用广义高斯模型进行统计建模,估计融合后差异影像上变化类和未变化类的概率分布,利用KI阈值准则获取最佳分割阈值,实现多时相SAR影像的非监督变化检测。选取两组TerraSAR-X数据进行实验,结果表明融合纹理信息与广义高斯模型的变化检测方法可行,其中融合逆差距纹理信息的检测性能最优。     

一种新的基于Gabor小波的非监督纹理分割方法

提出了一种新的基于Gabor小波的非监督纹理分割方法,与传统Gabor方法相比,该方法最大的特点在于分割的过程中利用了纹理尺度之间的依存关系和像素之间的空间约束关系。为了克服增加特征所带来的"维数灾难"问题,用独立分量分析(ICA)进行特征的整合。采用Brodatz测试集的实验结果验证了方法的有效性。     

引入纹理特征的SSVM算法在极化SAR影像分类中的应用

在极化SAR影像极化特征的基础上,引入影像的纹理信息,利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理;然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取;最后将纹理信息和极化信息结合,并采用SSVM方法对极化SAR影像进行分类。利用NASA/JPL AIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证,结果表明,SSVM算法可有效地用于极化SAR影像分类,且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。     

一种运用纹理和光谱特征消除投影差影响的建筑物变化检测方法

针对不同时期高分辨率遥感影像变化检测中城区建筑物因投影差差异所产生的误检测现象,提出了一种综合应用光谱和纹理特征的建筑物变化检测方法。以变化和未发生变化地物影像的散度作为可分性依据,首先对光谱差分影像在混合高斯密度模型下建模,并采用马尔可夫最小错误概率准则提取初始变化区域,往往含有错判的建筑物。然后将误判建筑物影像类和真实变化影像类构成训练集,通过引入多通道Gabor滤波器,提取训练集的纹理差分特征,并采用分类别PCA变换实施纹理差分特征的选择。最后对选择出的纹理差分特征依据高斯混合密度模型建模,并用马尔可夫最小错误概率提取真变化区域,即可去除光谱信息检测所产生的伪变化。试验表明,本文方法能够较好地解决建筑物变化的错判问题,提高了影像变化检测的精度。